使用 SVM 进行图像分类：一对一与一对多

Gidudu Anthony; Hulley Gregg; Marwala Tshilidzi

使用 SVM 进行图像分类：一对一与一对多

机器学习 2007-11-20 v1 人工智能计算机视觉与模式识别

作者: Gidudu Anthony , Hulley Gregg , Marwala Tshilidzi

摘要

支持向量机 (SVMs) 是土地覆盖制图社区中一种相对较新的监督分类技术。它们源于统计学习理论，并因其鲁棒性、准确性以及在使用小训练样本时依然有效而受到关注。就其本质而言，SVMs 基本上是二分类器，然而，它们可被采用以处理遥感研究中常见的多分类任务。常用的两种方法是一对一 (1A1) 和一对多 (1AA) 技术。本文评估了这些方法在对土地覆盖制图的影响和意义方面的表现。本研究的主要发现是，虽然 1AA 技术更倾向于产生未分类像素和混合像素，但其 resulting 分类精度与 1A1 方法并无显著差异。因此，作者的结论是，最终技术的选择归结为个人偏好和手头数据集的独特性。

关键词

support vector machine

引用

@article{arxiv.0711.2914,
  title  = {Image Classification Using SVMs: One-against-One Vs One-against-All},
  author = {Gidudu Anthony and Hulley Gregg and Marwala Tshilidzi},
  journal= {arXiv preprint arXiv:0711.2914},
  year   = {2007}
}

使用 SVM 进行图像分类：一对一与一对多

摘要

关键词

引用

评论

相关论文